来源笔记
Contract-Coding: Towards Repo-Level Generation via Structured Symbolic Paradigm
Repo Level Code GenerationMulti Agent Software EngineeringCode IntelligenceSymbolic ContractsParallel Agent Orchestration
摘要
Contract-Coding 是一种面向仓库级代码生成的方法，它先把含糊的用户意图转成结构化契约，再用这个契约协调并行代码生成和验证。论文声称，这样可以减少跨文件混乱，并提高多文件软件任务的成功率。
问题
- 从含糊意图进行仓库级生成时经常失败，因为代理会按顺序生成文件，而且必须携带越来越多的原始代码上下文。
- 早期的设计错误会扩散到后续文件，冗长的代码历史会把重要的架构细节挤出模型的有效注意范围。
- 这对自主软件生产很重要，因为多文件项目需要一致的 API、文件结构和跨模块行为，而不只是局部正确的代码。
方法
- 系统先把松散的用户请求转换成 Language Contract，这是一个结构化工件，记录需求、API、模块到文件的映射、类型签名和状态定义。
- 然后把代码生成分解为两步：先从意图推断契约，再在契约而不是之前生成的原始代码条件下生成每个文件。
- Hierarchical Execution Graph (HEG) 根据契约调度任务；当接口已经定义好时，多个模块实现可以并行运行。
- 验证器和契约审计器检查生成代码是否符合契约、所需文件和符号是否存在，以及代码变更是否需要更新契约。
- 契约通过受限的添加/更新操作构建和修订，并检查无效图结构或不一致签名等问题。
结果
- 在 Greenfield-5 基准上，完整方法在 Gomoku 上以 136s 达到 100% 成功率，在 Plane Battle 上以 117s 达到 100%，在 City Sim 上以 257s 达到 87%，在 Snake++ 上以 198s 达到 80%，在 Roguelike 上以 232s 达到 47%。
- 在 Roguelike 上，与学术多智能体基线相比，Contract-Coding 的成功率为 47%，而 OpenHands 为 30%，MetaGPT 为 10%，ChatDev 为 10%，FLOW 为 0%。
- 在 Roguelike 上，与商业工具相比，它与 Trae 的 47% 持平，优于 CodeBuddy 的 40%，优于 Lingma 的 33%，但低于 Gemini Studio 的 63%。
- HEG 消融显示成功率相同，但速度更慢：在 Roguelike 上，Ours w/o HEG 用 510s 达到 47%，而 Ours (Full) 用 232s 达到 47%；在 Snake++ 上，78%、465s 改进为 80%、198s。
- 论文声称存在次线性的上下文影响：在 Roguelike 任务中，8,857 tokens 的仓库被压缩为约 1,900 tokens 的契约，大约压缩 4.6x。
- 摘要还声称在 Greenfield-5 上达到 47% functional success 和 near-perfect structural integrity，但摘录没有给出结构完整性的直接数值指标。